InnoDB 引擎，每一个数据表有两个文件 .frm和.ibd，分别为表结构，数据和索引，数据挂在主索引的叶子节点上，此主索引称为聚簇索引。
MyISAM 引擎，每一个数据表有三个文件.frm和.MYI和.MYD，分别为表结构，索引，数据；也就是说其索引和数据是分开的，索引的叶子节点存储的不是数据而是磁盘地址，称为非聚簇索引。
下面只分析 InnoDB 引擎。
一、为什么是 B+Tree 而不是 B-Tree
B-Tree
B+Tree
他两最大的区别就是 B+Tree 将data部分下沉到了最后一级，即叶子节点。
对于基于磁盘的存储，一般使用对磁盘的IO次数来评判索引结构的优劣，假设操作系统对磁盘的每次IO能读取 4K 数据（块），假设索引结构的每一个节点有16K的固定空间，这个16K称为页，索引以页作为最基本的管理单位，所以每一次读取要4次IO，从节省IO次数的角度讲，如果每个节点上如果能存储更多的key就能减少IO的次数，而B+Tree是将所有的data下放到叶子节点，其他节点全部用来存储key和指针，显然IO效率更高。
一般在数据库系统或文件系统中使用的B+Tree结构都在经典B+Tree的基础上进行了优化，增加了顺序访问指针。在B+Tree的每个叶子节点增加一个指向相邻叶子节点的指针，做这个优化的目的是为了提高区间访问的性能。也就是说，通过这个指针你可以访问到已经排序好的key的列表。
二、InnoDB 引擎读写磁盘的过程
我们经常听人说Mysql对磁盘的写操作是随机寻址的，所以需要WAL组件。但是为什么Mysql对磁盘的写操作是随机寻址的呢？这就需要了解它读写磁盘的过程。
就以InnoDB引擎为例，其索引结构和源数据都存在.ibd文件里，文件是一块大的连续的磁盘空间，收到查询请求后引擎就去读取此文件的主索引，以页(16K)为单位读取，从B+Tree的根节点开始，当然有时候一个节点不止一页，如果没有找到这个key就要接着读，直到找到了data。
从根节点指向一级节点的时候，那么一级节点存在文件中的哪个位置呢，或者说即便你知道了它在文件中的位置，你要怎么读到它呢，我们可以使用相对于文件起始位置的偏移量来读取那一块的数据，或者计算出其在磁盘上的地址，然后直接读取磁盘，所以指向子节点使用的是指针，整个的读取过程是跳跃的随机的。
同样的，在写入的时候，要写入的目标磁盘块的位置也是跳跃的，所以说写操作是随机的寻址，它不是append模式。有时候在写入后现有节点还要调整。
说到底这些节点都还是存在于文件中，文件是一块大的连续的磁盘空间，所以这里的指针应该是相对于文件起始地址的相对地址，而不能是磁盘的绝对地址，否则你一移动文件那岂不都失效了。
在机械硬盘上面，这种随机寻址会严重影响磁盘的IO性能。
三、需要 WAL (Write-Ahead Logging)
既然直接落盘性能堪忧，那就改成异步落盘。基本上所有的数据库都使用WAL模式来解决这个问题，实现方式可能各有不同，但大致思路都是一样的。
一个修写入请求，先写入日志文件，成功之后才写入缓存，然后有后台程序将日志文件的内容落盘。
在写日志文件的时候，使用 append模式，这就是顺序写，要比随机写好很多。
redo log：保证数据一致性。如果Mysql宕机了，重启的时候可以将日志文件中未落盘的数据落盘。
undo log：保证事务的原子性，实现多版本并发控制（MVCC）。它相当于在修改之前做一下备份。
组提交机制：将多个小的事务合并成一组再执行落盘，可以大幅度降低磁盘的 IOPS 消耗。
